Newcastle-Ottawa-Skala (NOS): Auswertung, Berichterstattung und Grenzen von Kohorten- und Fall-Kontroll-Studien

Veröffentlicht 29. Oktober 2026

Die Newcastle-Ottawa-Skala (NOS) ist ein Sternebewertungsinstrument zur Beurteilung der methodischen Qualität nicht-randomisierter Studien in systematischen Reviews und Metaanalysen. Es existiert eine Version für Kohortenstudien und eine für Fall-Kontroll-Studien. Eine Studie erhält Sterne in drei Bereichen, maximal neun. Dieser Leitfaden erläutert beide Versionen Punkt für Punkt, bewertet eine hypothetische Kohortenstudie Stern für Stern, zeigt, wie die Skala im Methodenteil dargestellt wird, und beschreibt die Aussagen der Fachliteratur zu ihrer Zuverlässigkeit und ihren Grenzen.

Was die Newcastle-Ottawa-Skala misst und wer sie gebaut hat

Das Ottawa Hospital Research Institute beschreibt die Newcastle-Ottawa-Skala als Instrument zur Bewertung der Qualität nichtrandomisierter Studien, wie z. B. Fall-Kontroll- und Kohortenstudien, für die Verwendung in systematischen Reviews und Metaanalysen. Sie entstand aus einer Kooperation zwischen den Universitäten Newcastle (Australien) und Ottawa (Kanada). Das Institut nennt als Quelle Wells GA, Shea B, O'Connell D, Peterson J, Welch V, Losos M und Tugwell P, „The Newcastle-Ottawa Scale (NOS) for assessing the quality of nonrandomised studies in meta-analyses“ und stellt das Kodierhandbuch sowie die Bewertungsbögen zum Download bereit.

Die Skala verwendet ein Sternesystem. Jede Studie wird anhand von drei Kriterien bewertet: der Auswahl der Studiengruppen, der Vergleichbarkeit der Gruppen und der Erfassung der relevanten Exposition bzw. des interessierenden Ergebnisses. Auf derselben Seite wird angegeben, dass Inhaltsvalidität und Interrater-Reliabilität nachgewiesen wurden, während Kriteriumsvalidität, Intrarater-Reliabilität und Konstruktvalidität noch geprüft werden. Dieser letzte Satz ist für die Gewichtung der Gesamtsternzahl relevant und wird in späteren Abschnitten erneut aufgegriffen.

Zwei Punkte sind für alles Folgende entscheidend. Erstens bewertet die NOS eine gesamte Studie, nicht nur ein einzelnes Ergebnis. Zweitens wurde sie für Beobachtungsstudien entwickelt, bei denen die Teilnehmenden nicht randomisiert wurden. Wenn Ihre Übersichtsarbeit randomisierte Studien umfasst, benötigen Sie ein anderes Instrument. Unser Leitfaden zu Instrumenten der Qualitätsbewertung in systematischen Übersichtsarbeiten vergleicht die verschiedenen Optionen anhand des Studiendesigns.

Newcastle-Ottawa-Skalenstruktur: Drei Domänen, neun Sterne

Beide Versionen basieren auf derselben Architektur. Laut Bewertungsbogen kann eine Studie maximal einen Stern für jedes nummerierte Kriterium in der Kategorie „Selektion“ und in der Kategorie „Ergebnis“ (Kohortenversion) bzw. „Exposition“ (Fall-Kontroll-Version) erhalten. Für die Vergleichbarkeit können maximal zwei Sterne vergeben werden. Vier Kriterien zur Selektion, ein Kriterium zur Vergleichbarkeit (maximal zwei Sterne) und drei Kriterien zu Ergebnis oder Exposition ergeben insgesamt neun Sterne für jede Version.

Der Unterschied zwischen den beiden Versionen liegt im dritten Bereich. Eine Kohortenstudie wird danach beurteilt, wie das Ergebnis erfasst und nachverfolgt wurde, da die Exposition zu Beginn bekannt ist. Eine Fall-Kontroll-Studie hingegen wird danach beurteilt, wie die Exposition ermittelt wurde, da das Ergebnis zu Beginn bekannt ist. Wenn Sie sich nicht sicher sind, welches Studiendesign eine Publikation tatsächlich verwendet hat, hilft Ihnen unsere Erklärung zu Kohorten- und Fall-Kontroll-Studien und ihren Effektmaßen weiter.

Die Kohortenversion, Artikel für Artikel

Die folgende Tabelle gibt das Bewertungsformular der Kohorte wieder. In der Spalte „Stern“ sind die mit einem Stern gekennzeichneten Antworten aufgeführt, in der Spalte „Kein Stern“ die übrigen.

Die Fallkontrollversion, Artikel für Artikel

Das Fall-Kontroll-Formular behält das gleiche Auswahl- und Vergleichsmuster bei, ersetzt aber den Ergebnisblock durch drei Expositionsfragen. Es fragt außerdem, ob Fälle und Kontrollen gleich behandelt wurden, wofür es kein Äquivalent in der Kohortenstudie gibt.

Regeln des Codierungshandbuchs, die Ihre Punktzahl beeinflussen

Die Bewertungsbögen sind kurz, und die meisten Bewertungsunterschiede resultieren aus dem Kodierhandbuch, das die auf den Bögen ausgelassenen Regeln enthält. Einige davon sollten unbedingt in Ihr Begutachtungsverfahren aufgenommen werden, bevor überhaupt jemand eine Arbeit öffnet.

• Vergleichbarkeit erfordert eine Versuchsplanung oder -analyse, keinen p-Wert. Das Handbuch legt fest, dass die Gruppen entweder im Studiendesign aufeinander abgestimmt sein oder Störfaktoren in der Analyse berücksichtigt werden müssen. Aussagen, die keine Unterschiede zwischen den Gruppen oder statistisch nicht signifikante Unterschiede bestätigen, reichen nicht aus. Wird das relative Risiko (bzw. die Odds Ratio in Fall-Kontroll-Studien) um die aufgeführten Störfaktoren bereinigt, gelten die Gruppen hinsichtlich jeder in der Bereinigung verwendeten Variable als vergleichbar.
• Sie wählen den „wichtigsten Faktor“. Das Formular lässt hierfür eine Lücke, und der zweite Vergleichsstern kann einem bestimmten zweiten Faktor zugeordnet werden. Korrigieren Sie beides im Protokoll, damit alle Beurteiler dieselbe Liste verwenden.
• Die Dauer der Nachbeobachtung wird vor der Beurteilung festgelegt. Das Handbuch legt fest, dass vor Beginn der Qualitätsbewertung eine akzeptable Zeitspanne festgelegt werden sollte, und nennt fünf Jahre für die Exposition gegenüber Brustimplantaten als Beispiel. Dieselbe Logik gilt für die Retentionsrate im Rahmen der Beurteilung der Nachsorge.
• Die Evidenz für das Ergebnis hängt vom Ergebnis ab. Bei einer Hüftfraktur reicht ein Blick in die Krankenakte aus, um das Ereignis zu bestätigen; bei einer Wirbelfraktur sind jedoch Röntgenaufnahmen erforderlich.
• Mortalitätsstudien setzen weiterhin voraus, dass keine Vorerkrankungen vorliegen. Bei Todesfällen ist das relevante Ergebnis nach wie vor das Vorliegen der Krankheit oder des Ereignisses, daher erhält eine Aussage, dass keine Krankheit in der Vorgeschichte vorliegt, den Stern.
• Die Definition der Kontrollbedingung hängt von der Falldefinition ab. Handelt es sich bei den Fällen um Erstvorkommen, muss in der Studie angegeben werden, dass die Kontrollgruppe keine Vorgeschichte des betreffenden Ereignisses aufweist. Sind die Fälle neu, aber nicht unbedingt Erstvorkommen, sollten Kontrollpersonen mit Vorerkrankungen nicht ausgeschlossen werden.
• Die Falldefinition erfordert eine unabhängige Validierung. Das Handbuch enthält Beispiele wie die Extraktion der Informationen durch mehrere Personen, Datensätze, Zeiträume oder Prozesse oder den Verweis auf eine primäre Datenquelle wie Röntgenbilder oder Krankenhausakten.

Bewertung einer Kohortenstudie mit der Newcastle-Ottawa-Skala, Stern für Stern

Das folgende Beispiel ist hypothetisch und wurde von Editverse erstellt, um die Funktionsweise zu veranschaulichen. Stellen Sie sich eine veröffentlichte Kohortenstudie vor, in der Krankenhausmitarbeiter mit regulären Nachtschichten mit Kollegen im Tagdienst verglichen werden, wobei die Fälle von Typ-2-Diabetes nachbeobachtet werden. Unser vor dem Screening erstelltes Studienprotokoll legte drei Parameter fest: Das Alter ist der wichtigste Vergleichsfaktor, der Body-Mass-Index ein weiterer Faktor, und eine Nachbeobachtungszeit von mindestens fünf Jahren mit einer Teilnahmequote von mindestens 90 % gilt als ausreichend.

Die Gesamtpunktzahl von 7 verschleiert zwei separate Lücken. Die Studie gibt weder an, ob die Teilnehmenden zu Beginn der Studie keinen Diabetes hatten, noch beschreibt sie die 18 %, die die Studie vorzeitig beendeten. Eine detaillierte Darstellung der einzelnen Punkte zeigt dem Leser genau, wo die Evidenzlage dünn ist, was eine bloße Angabe wie „7/9“ nicht leistet.

Sehen Sie nun, wie fragil eine Kategorie sein kann. Die Tabelle wendet die im nächsten Abschnitt beschriebene Umrechnungsmethode der Agency for Healthcare Research and Quality auf drei plausible Einzelpunkt-Meinungsverschiedenheiten zwischen den Beurteilern an.

Ein Stern konnte die Bewertung derselben Studie von „Gut“ auf „Mittelmäßig“ oder „Schlecht“ herabstufen. Dies ist eine Berechnung nach einer veröffentlichten Konvention und kein empirischer Befund, erklärt aber, warum zwei unabhängige Gutachter und eine schriftliche Regel für Meinungsverschiedenheiten den Aufwand wert sind. Hartling und Kollegen haben untersucht, wie häufig die Gutachter tatsächlich voneinander abweichen; ihre Ergebnisse sind im Abschnitt „Einschränkungen“ weiter unten aufgeführt.

Stars in gut, mittelmäßig oder schlecht einzustufen, ist eine Konvention

Das Ottawa-Handbuch und die Bewertungsbögen enthalten keine Bestehensgrenze. Sie beschreiben lediglich die Sternevergabe. Die in veröffentlichten Rezensionen verwendeten Bezeichnungen stammen aus Umrechnungen, die die Rezensenten selbst vornehmen. Eine dieser Umrechnungen, die in veröffentlichten Rezensionen dem NOS zugeordnet ist, wird als Umrechnung an die Standards der Agency for Healthcare Research and Quality (AHRQ) beschrieben. Esmailian et al. (2026, PMID 42006405) verwenden diese Bezeichnung, und Heera und Babu (2025, PMID 40756036) wenden dieselben Schwellenwerte an.

Beachten Sie die Struktur der AHRQ-Regel. Sie betrachtet jeden einzelnen Bereich, nicht das Gesamtergebnis. Daher kann eine Studie mit 7 Sternen dennoch als mangelhaft eingestuft werden, wenn ein Bereich wegfällt. Die NOS-xs-Bänder hingegen beziehen sich auf das Gesamtergebnis und gehören zu einem neuen, angepassten Instrument, nicht zum ursprünglichen NOS. Da keiner dieser Grenzwerte Teil der Skala ist, geben Sie den von Ihnen verwendeten Grenzwert im Protokoll an und nennen Sie die Person, die ihn definiert hat.

Ein konkretes Beispiel für die Auswertung der Newcastle-Ottawa-Skala in einer veröffentlichten Kohortenstudie

Die obige hypothetische Studie veranschaulicht die Vorgehensweise. Eine veröffentlichte Arbeit zeigt, wie dieselben acht Entscheidungen aussehen, wenn die Daten in realen Methodentexten und Tabellen vorliegen. In diesem Abschnitt wird eine frei zugängliche Kohortenstudie anhand des Bewertungsbogens für Kohortenstudien Punkt für Punkt bewertet und die jeweilige Textstelle mit der entsprechenden Antwort angegeben. Dies dient der Veranschaulichung der Editverse-Bewertung für Lehrzwecke und stellt keine Bewertung der Autoren oder der Qualität ihrer Arbeit dar.

Die angenommene Überprüfungsfrage und die Protokolleinstellungen

Die Vergleichbarkeit von NOS-Studien hängt von der Fragestellung der Studie ab. Daher muss diese vor der Bewertung festgelegt werden. Nehmen wir an, eine Studie untersucht, ob bei Erwachsenen im erwerbsfähigen Alter eine im Krankenhaus diagnostizierte venöse Thromboembolie (VTE) mit einem späteren dauerhaften Verlust der Erwerbsfähigkeit, gemessen am Bezug einer Erwerbsminderungsrente, einhergeht. Das Studienprotokoll legt das Alter als wichtigsten Vergleichbarkeitsfaktor, Komorbidität und sozioökonomischen Status als weitere Faktoren sowie eine mediane Nachbeobachtungszeit von mindestens drei Jahren als ausreichend fest. Alle drei Settings werden vor dem Screening gemäß den Vorgaben des Kodierleitfadens erstellt.

Einzelbewertung der Sterne im Vergleich zum Bewertungsbogen der Kohorte

Die Optionsbuchstaben in der Begründungsspalte orientieren sich am Kohortenbewertungsbogen des Ottawa Hospital Research Institute, die Begründung folgt dem Kodierhandbuch. Abschnitts- und Tabellenverweise verweisen auf den frei zugänglichen Artikel.

Drei Zeilen sind als Ermessensfrage gekennzeichnet, da die Bewertung von einer vom Gutachterteam gewählten Einstellung und nicht allein vom Dokument abhängt. Die Vergleichbarkeit hängt davon ab, welche Faktoren im Protokoll genannt werden. Die Zeile zur Nachverfolgung hängt von der Mindestlänge ab, und die Zeile zur Angemessenheit davon, wie ein Gutachter ein Register behandelt, das jeden Bewohner erfasst. Die anderen vier Zeilen ergeben sich direkt aus dem Wortlaut des Dokuments, wobei Auswahl 3 davon ausgeht, dass ein validiertes Krankenhausregister als sichere Aufzeichnung behandelt wird.

Die Kennzeichnung als gut, mittelmäßig oder schlecht ist eine separate Konvention.

Die Ottawa-Dokumente enthalten keine Bestehensgrenze; ​​die untenstehende Kennzeichnung ist daher ein zweiter Schritt, den das Gutachterteam optional hinzufügt. Die zuvor beschriebene AHRQ-Umrechnung , wie sie von Esmailian et al. (2026) und Heera und Babu (2025) angewendet wurde, prüft jeden einzelnen Bereich und nicht die Gesamtpunktzahl. Auswahl 4, Vergleichbarkeit 2 und Ergebnis 3 erfüllen die Kriterien für „Gut“ (3 oder 4 Sterne, 1 oder 2 Sterne bzw. 2 oder 3 Sterne). Die zweite Zeile der Tabelle zeigt, wie ein strengerer Gutachter dieselbe Arbeit bewerten würde.

Im zweiten Szenario verschwanden zwei Sterne, die Kategorie blieb jedoch unverändert. Im hypothetischen Beispiel der Nachtschicht weiter oben auf dieser Seite verschob ein einzelner Stern eine Studie zwischen verschiedenen Kategorien. Welches Muster sich ergibt, hängt davon ab, wo die Sterne verloren gehen. Dies ist ein Grund, die Sterne pro Eintrag und nicht nur als Gesamtzahl anzugeben.

Was eine 9 von 9 aussagt und was nicht

Eine Gesamtpunktzahl von 9 bedeutet, dass das Bewertungsformular keine sichtbaren Designschwächen in den abgefragten Punkten festgestellt hat. Dies bedeutet jedoch nicht, dass die Schätzung frei von Verzerrungen ist. Die Autoren schreiben, dass „eine Restverzerrung aufgrund nicht erfasster Faktoren nicht vollständig ausgeschlossen werden kann“ (Diskussion) und nennen individuelles Gesundheitsverhalten sowie Arbeitsplatzfaktoren als Informationen, die in den Registern fehlen. Da das Bewertungsformular keine Punkte enthält, die diese Aussage berücksichtigen, muss ein Gutachter, der diese Informationen in die Synthese einbeziehen möchte, sie separat erfassen, beispielsweise in einer Sensitivitätsanalyse nach Domäne.

Die Studie beschreibt ihr Design gemäß der STROBE-Leitlinie. Daher können die Fragen in den obigen Zeilen anhand des Textes beantwortet werden, ohne dass die Autoren kontaktiert werden müssen. Unser STROBE-Leitlinien-Tutorial für Beobachtungsstudien beschreibt, welche Angaben eine Kohortenstudie machen muss. In einer ergänzenden Bewertungstabelle würde diese Studie eine Zeile einnehmen, mit den Werten „Selektion 4“, „Vergleichbarkeit 2“, „Ergebnis 3“ und insgesamt 9, jeweils neben den drei Protokolleinstellungen, die zu diesen Sternen geführt haben.

Wie man die Newcastle-Ottawa-Skala in einer systematischen Übersichtsarbeit angibt

Ein Leser sollte Ihre Einschätzung nachvollziehen können. Ein Berichtsabschnitt, der diese Aufgabe erfüllt, besteht aus fünf Teilen.

• Version und Quellcode. Nennen Sie die Kohorten- oder Fall-Kontroll-Version, zitieren Sie Wells et al. mit Angabe der Ottawa Hospital Research Institute-Seite und geben Sie an, ob Sie das Datenblatt unverändert verwendet haben.
• Protokolleinstellungen. Berichten Sie über die „wichtigsten“ und „zusätzlichen“ Vergleichbarkeitsfaktoren, die minimale Nachbeobachtungsdauer und die Retentionsschwelle, die jeweils vor dem Screening festgelegt werden.
• Beurteiler und Umgang mit Meinungsverschiedenheiten. Geben Sie die Anzahl der Gutachter an, ob diese unabhängig voneinander arbeiteten und wie Konflikte gelöst wurden. Veröffentlichte Reliabilitätsstudien verwendeten zwei Gutachter (Hartling) bzw. sechs Gutachter (Kalaycioglu). Daher sind zwei unabhängige Gutachter mit einer festgelegten Regel zur Beilegung von Gleichständen ein vertretbares Minimum.
• Tabelle auf Artikelebene. Zeigen Sie Sterne pro Punkt für jede enthaltene Studie im Haupttext oder in einem Anhang an, anstatt nur die Gesamtzahlen.
• Verwendung der Ergebnisse. Geben Sie an, ob Sie nach Qualität beschreiben, Untergruppen bilden oder Sensitivitätsanalysen durchführen, und nennen Sie gegebenenfalls einen Schwellenwert für die jeweilige Kategorie mit Angabe der Quelle.

Hier ist ein Methodensatz, den Sie anpassen können: „Zwei Gutachter bewerteten unabhängig voneinander jede Kohortenstudie anhand der Newcastle-Ottawa-Skala (Kohortenversion; Wells et al., Ottawa Hospital Research Institute) und vergaben bis zu neun Sterne für Selektion, Vergleichbarkeit und Ergebnis. Das Alter wurde als wichtigster Vergleichbarkeitsfaktor und der Body-Mass-Index als zusätzlicher Faktor festgelegt; eine Nachbeobachtungszeit von mindestens fünf Jahren und eine Teilnahmequote von mindestens 90 % wurden als ausreichend definiert. Meinungsverschiedenheiten wurden durch Diskussion mit einem dritten Gutachter geklärt. Die Studien wurden anhand der AHRQ-Konvertierungsschwellenwerte als gut, mittelmäßig oder schlecht eingestuft.“

Wenn eine Studie zu einem bestimmten Punkt keine Angaben macht, können Sie die Autoren kontaktieren. Lo et al. verglichen die Bewertungen von Gutachtern mit den Bewertungen der Autoren selbst und kamen zu dem Schluss, dass die Kontaktaufnahme mit den Autoren notwendig ist, um Informationen zu erhalten, die in Studien nicht veröffentlicht werden. Erhalten Sie keine Antwort, vermerken Sie den Punkt als nicht berichtet, nicht als Misserfolg der Studie. Die gleiche Bewertung in einem Manuskript darzustellen, ist einfacher, wenn die zugrunde liegende Studie auch den STROBE-Leitlinien für die Berichterstattung folgt . Diese Leitlinien sind Gegenstand unseres Tutorials zu Beobachtungsstudien .

Bekannte Einschränkungen der Newcastle-Ottawa-Skala in der Literatur

Die Skala findet breite Anwendung und wurde auch kritisch hinterfragt. Die folgenden Punkte geben die Ergebnisse veröffentlichter Studien mit ihren jeweiligen Zahlen wieder.

Willkürliche Artikeldefinitionen und eine falsch zitierte Kritik

Stang (2010, European Journal of Epidemiology , Band 25, Seiten 603–605) veröffentlichte eine kritische Bewertung der NOS. Eine spätere Analyse von Stang, Jonas und Poole (2018) beschreibt diesen Kommentar als Kritik an der Skala aufgrund willkürlicher Definitionen von Qualitätsmerkmalen. Sie untersuchten eine Stichprobe von 100 Publikationen, die den Kommentar zitierten, darunter 96 systematische Reviews. Keine dieser Publikationen zitierte den Kommentar direkt, und alle bis auf zwei der 96 indirekten Zitate (98 %) stellten ihn fälschlicherweise als Unterstützung für die Anwendung der NOS dar. Der Kommentar wurde bis Dezember 2016 1,250 Mal zitiert. Die praktische Lehre daraus ist, die Kritik vor dem Zitieren zu lesen und sie korrekt zu zitieren.

Übereinstimmung zwischen den Beurteilern

Hartling und Kollegen ließen zwei Gutachter die NOS auf 131 Kohortenstudien aus acht Metaanalysen anwenden. Die Übereinstimmung reichte von substanziell für die Nachbeobachtungsdauer (Kappa 0.68) bis gering für die Auswahl der nicht exponierten Kohorte (Kappa -0.03) und den Nachweis, dass der Endpunkt zu Beginn nicht auftrat (Kappa -0.06). Die Reliabilität des Gesamtscores war zufriedenstellend (Kappa 0.29, 95%-Konfidenzintervall 0.10 bis 0.47). Die Gutachter empfanden das Instrument als schwierig anzuwenden und die Entscheidungsregeln als vage. Die Studie fand keinen Zusammenhang zwischen einzelnen Items oder dem Gesamtscore und den Effektstärken. Die beiden am schlechtesten bewerteten Items sind die Items 2 und 4 des im obigen Beispiel verwendeten Abschnitts zur Kohortenauswahl.

Abhängigkeit davon, was die Autoren berichten.

Lo, Mertz und Loeb verglichen die NOS-Bewertungen der Gutachter einer veröffentlichten systematischen Übersichtsarbeit mit den Bewertungen der Studienautoren für dieselben Kohortenstudien. Die Autoren von 65 der 182 Studien (36 %) antworteten. Der Median der Gesamtbewertung lag bei 6 (Interquartilsabstand 6 bis 6) für die Gutachter und bei 5 (Interquartilsabstand 4 bis 6) für die Autoren. Dieser Unterschied war signifikant (p < 0.001), und die Übereinstimmung der Gesamtbewertung war gering (Kappa -0.004). Die Übereinstimmung auf Itemebene reichte von gering (Kappa 0.15) bis schlecht (Kappa -0.06).

Die Ergebnisse sind nicht durchweg schlecht.

Kalaycioglu und Kollegen ließen sechs Gutachter 30 Expositionsstudien mithilfe von drei verschiedenen Instrumenten bewerten und das Verzerrungsrisiko als niedrig, mittel oder hoch einstufen. Alle Instrumente, einschließlich des NOS, erreichten eine hohe Interrater-Reliabilität (Intraklassenkorrelation 0.61 bis 0.80), während die SIGN50-Checkliste eine nahezu perfekte Übereinstimmung erzielte. Die Autoren weisen darauf hin, dass Instrumente mit weniger und einfacheren Kriterien zu zuverlässigeren Bewertungen führen können. Zusammen mit den oben genannten Studien lässt sich schlussfolgern, dass die Reliabilität vom Bewertungsdesign, der Schulung der Gutachter und der Kategorisierung der Ergebnisse abhängt.

Geltungsbereich

Die NOS wurde für Kohorten- und Fall-Kontroll-Studien entwickelt. Carra et al. schlugen eine Anpassung für Querschnittstudien vor (NOS-xs, mit einer Vier-Sterne-Variante für Prävalenzstudien), was sowohl den Bedarf an einem umfassenderen Instrument als auch die Tatsache verdeutlicht, dass die ursprüngliche NOS dieses Studiendesign nicht abdeckt. Für nicht-randomisierte Interventionsstudien beschreibt Kapitel 25 des Cochrane Handbook (Version 6.5, 2024) ROBINS-I als Instrument zur Beurteilung des Verzerrungsrisikos und stellt es als Rahmen für die Bewertung eines einzelnen Ergebnisses dar.

NOS vs ROBINS-I vs JBI: Eine Entscheidungstabelle

Die Wahl des Tools hängt hauptsächlich davon ab, welche Fragen Ihre Übersichtsarbeit aufwirft und welches Studiendesign die einbezogenen Studien verwendet haben. Die folgenden beschreibenden Zeilen stammen aus den in der letzten Spalte genannten Quellen. Die Zeile „Wann wählen?“ enthält Editverses eigene Entscheidungsregel, die als praktische Orientierungshilfe und nicht als veröffentlichter Standard dient.

Wenn die Zielzeitschrift oder die Leitlinienkommission ein Tool vorschlägt, verwenden Sie dieses und begründen Sie jede Ergänzung. Unser ROBINS-I-Tool-Leitfaden beschreibt die domänenbasierte Alternative ausführlich.

Häufig gestellte Fragen

Wie viele Sterne kann eine Studie auf der Newcastle-Ottawa-Skala erreichen?

Bis zu neun Sterne in beiden Versionen, bestehend aus 4 Selektionssternen, 2 Vergleichbarkeitssternen und 3 Ergebnissternen (Kohorte) bzw. Expositionssternen (Fall-Kontroll-Studie).

Gibt es einen offiziellen Grenzwert für eine gute NOS-Punktzahl?

Nein. Das Ottawa-Handbuch und die Bewertungsbögen enthalten keine Angaben dazu. Rezensionen verwenden ihre eigenen Umrechnungsmethoden, wie beispielsweise die AHRQ-Schwellenwerte „gut“, „mittelmäßig“ und „schlecht“, und sollten die Quelle angeben.

Kann ich die NOS für randomisierte Studien oder Querschnittstudien verwenden?

Die Skala wurde für nicht-randomisierte Kohorten- und Fall-Kontroll-Studien entwickelt. Randomisierte Studien verwenden andere Instrumente; eine Querschnittsadaption (NOS-xs) wurde von Carra et al. vorgeschlagen.

Sollte der NOS-Gesamtwert zur Gewichtung von Studien in einer Metaanalyse verwendet werden?

Hartling und Kollegen prüften die Validität direkt und fanden keinen Zusammenhang zwischen einzelnen Items oder dem Gesamtscore und den Effektstärken. Die Angabe von Ergebnissen auf Itemebene und die Überprüfung der Sensitivität nach Domänen sind leichter zu begründen als die Gewichtung anhand von Sternen.

Professionelle Unterstützung bei der Bewertung nach der Newcastle-Ottawa-Skala in Ihrer Überprüfung

Die Auswahl des geeigneten Tools, die Festlegung der Protokolleinstellungen und die Schulung der Bewertenden in deren einheitlicher Anwendung sind entscheidend dafür, ob eine Newcastle-Ottawa-Skala-Tabelle die Peer-Review erfolgreich besteht. Die Methodiker von Editverse unterstützen Sie bei diesen Entscheidungen, arbeiten gemäß COPE, ICMJE und GPP 2022 und berücksichtigen institutionelle und länderspezifische Anforderungen. Die unten aufgeführten Pakete sind auf die jeweilige Phase Ihrer Begutachtung abgestimmt.

Wenn Ihr Studienprotokoll bereits vorliegt und die eingeschlossenen Studien extrahiert wurden, bietet das eigenständige Analysepaket den schnellsten Weg zu einer Sensitivitätsanalyse nach Qualitätsdomäne. Soll ein Team die gesamte Übersichtsarbeit vom Protokoll bis zum Manuskript durchführen, deckt das Komplettpaket „SR + Metaanalyse“ die Qualitätsbewertung und die Risikobewertung von Verzerrungen ab.

Fazit

Die Newcastle-Ottawa-Skala bewertet die Merkmale eines Studiendesigns mit maximal neun Sternen. Sie bietet eine übersichtliche Liste von Items für Kohorten- und Fall-Kontroll-Studien sowie ein kurzes Kodierhandbuch, das die meisten Grenzfälle klärt. Ihre Stärken liegen in ihrer Schnelligkeit und Vertrautheit. Zu ihren Schwächen zählen, wie die Literatur zeigt, die von Kritikern als willkürlich bezeichneten Itemdefinitionen, die uneinheitliche Übereinstimmung zwischen den Beurteilern und die Abhängigkeit von den Angaben der Autoren. Die Skala sollte mit protokollfesten Einstellungen, zwei unabhängigen Beurteilern, Itemtabellen und einer Angabe der Quelle für jede Bewertung (gut, mittelmäßig oder schlecht) verwendet werden. Bei Bedarf kann die ROBINS-I- oder eine JBI-Checkliste herangezogen werden.

Referenzen

1. Wells GA, Shea B, O'Connell D, Peterson J, Welch V, Losos M, Tugwell P. Die Newcastle-Ottawa-Skala (NOS) zur Beurteilung der Qualität nichtrandomisierter Studien in Metaanalysen. Ottawa Hospital Research Institute. ohri.ca/programs/clinical_epidemiology/oxford.asp
2. Stang A. Kritische Bewertung der Newcastle-Ottawa-Skala zur Beurteilung der Qualität nichtrandomisierter Studien in Metaanalysen. Eur J Epidemiol. 2010;25(9):603-605. PMID 20652370. doi: 10.1007 / s10654-010-9491-z
3. Stang A, Jonas S, Poole C. Fallstudie zu schwerwiegenden Zitatfehlern: Ein kritischer Kommentar zur Newcastle-Ottawa-Skala. Eur J Epidemiol. 2018;33(11):1025-1031. PMID 30259221. doi:10.1007/s10654-018-0443-3
4. Hartling L, Milne A, Hamm MP, Vandermeer B, Ansari M, Tsertsvadze A, Dryden DM. Die Anwendung der Newcastle-Ottawa-Skala zeigte eine geringe Übereinstimmung zwischen einzelnen Gutachtern. J Clin Epidemiol. 2013;66(9):982-993. PMID 23683848. doi:10.1016/j.jclinepi.2013.03.003
5. Lo CK, Mertz D, Loeb M. Newcastle-Ottawa-Skala: Vergleich der Bewertungen von Gutachtern und Autoren. BMC Med Res Methodol. 2014;14:45. PMID 24690082. doi:10.1186/1471-2288-14-45
6. Kalaycioglu I, Rioux B, Briard JN, Nehme A, Touma L, Dansereau B, Veilleux-Carpentier A, Keezer MR. Interrater-Reliabilität von Risikobewertungsinstrumenten für nicht-randomisierte Studien. Syst Rev. 2023;12:227. PMID 38057883. doi: 10.1186 / s13643-023-02389-w
7. Sterne JA, Hernan MA, Reeves BC, et al. ROBINS-I: Ein Instrument zur Beurteilung des Verzerrungsrisikos in nicht-randomisierten Interventionsstudien. BMJ. 2016;355:i4919. PMID 27733354. doi:10.1136/bmj.i4919
8. Sterne JAC, Hernan MA, McAleenan A, Reeves BC, Higgins JPT. Kapitel 25: Beurteilung des Verzerrungsrisikos in einer nicht-randomisierten Studie. In: Higgins JPT, Thomas J, Chandler J, et al. (Hrsg.). Cochrane Handbook for Systematic Reviews of Interventions, Version 6.5. Cochrane; 2024. cochrane.org/authors/handbooks-and-manuals/handbook/current/chapter-25
9. Higgins JPT, Morgan RL, Rooney AA, et al. Ein Instrument zur Beurteilung des Verzerrungsrisikos in nicht-randomisierten Follow-up-Studien zu Expositionseffekten (ROBINS-E). Environ Int. 2024. PMID 38555664. doi:10.1016/j.envint.2024.108602
10. Carra MC, Romandini P, Romandini M. Risiko einer Verzerrungsbewertung von Querschnittsstudien: Anpassung der Newcastle-Ottawa-Skala. J Parodontal Res. 2026. PMID 40293188. doi:10.1111/jre.13405
11. Esmailian A, Raki C, Han HC, Alasti M. Die Rolle von Bewegung bei der Reduktion des Rezidivrisikos vasovagaler Synkopen: eine systematische Übersichtsarbeit und Metaanalyse. Am J Prev Cardiol. 2026. PMID 42006405. doi:10.1016/j.ajpc.2026.101504
12. Heera T, Babu R. Systematische Übersichtsarbeit und Metaanalyse zum Vergleich der Ergebnisse von Nierenbeckenplastiken mit und ohne Reduktion bei Kindern. J Indian Assoc Pediatr Surg. 2025. PMID 40756036. doi:10.4103/jiaps.jiaps_1_25
13. JBI-Instrumente zur kritischen Bewertung (Checklisten nach Studiendesign). JBI. jbi.global/critical-appraisal-tools
14. Jørgensen H, Horváth-Puhó E, Laugesen K, Brækkan S, Hansen JB, Sørensen HT. Risiko einer dauerhaften arbeitsbedingten Invaliditätsrente nach einer venösen Thromboembolie in Dänemark: eine bevölkerungsbasierte Kohortenstudie. PLoS Med. 2021;18(8):e1003770. PMID 34464405. doi:10.1371/journal.pmed.1003770
15. Wells GA, Shea B, O'Connell D, et al. Newcastle-Ottawa-Qualitätsbewertungsskala, Bewertungsbogen für Kohortenstudien und Kodierleitfaden für Kohortenstudien. Ottawa Hospital Research Institute. Bewertungsbogen (PDF), Programmierhandbuch (PDF)